- 电子工业出版社
- 9787121339370
- 1-2
- 293867
- 49225422-2
- 平塑
- 16开
- 2019-05
- 288
- 180
- 工学
- 软件工程
- 计算机科学与技术
- 本科 研究生（硕士、EMBA、MBA、MPA、博士）
作者简介
内容简介
本书在介绍R软件基本功能的基础上>介绍了数据挖掘十大经典算法的基本原理及相应的R语言实现范例>旨在使读者能够仿照范例快速掌握大数据分析的方法>从高维海量数据中挖掘有用的信息>使用合适的数据挖掘算法>解决实际问题。全书内容共12章>分别介绍R软件的使用方法、C4.5算法、k-means算法、CART算法、Apriori算法、EM算法、PageRank算法、AdaBoost算法、kNN算法、Naive Bayes算法、SVM算法及各算法的案例分析。本书理论部分简单明了>所有程序均经过R软件实际运行。本书各章自成体系>读者既可从头逐章学习>也可随意挑选自己需要的章节学习。读者可登录华信教育资源网免费下载算法实例代码。本书既可作为高年级本科生、研究生相关课程的教材>也可作为不同领域数据分析人员的工具书>还可作为零基础读者的自学教材。
目录
目录第1章R软件的使用方法 111R软件介绍和安装 1111R软件介绍 1112R软件的安装 1113Rstudio的安装 212R语言基本运算 3121R语言的数值运算 3122R语言的向量 5123R语言的向量运算 613R语言缺失数据 7131R语言缺失数据类型 7132R语言缺失数据识别 7133R语言缺失数据处理 814矩阵的运算 8141矩阵建立 8142矩阵计算 10143矩阵分解 1115列表和数据框 12151列表介绍 12152数据框介绍 1316R软件的数据读/写 1417R软件包介绍 15171包的基础知识 15172自动安装包 15173通过硬盘加载包 16174常见包介绍 1618R语言的函数 16181循环结构 16182条件执行结构 17183自定义函数 1819R软件绘图功能介绍 19191高级绘图函数 20192低级绘图函数 22193用ggplot2包进行绘图 25第2章C45算法 3021算法简介 3022算法基本原理 3023算法的R语言实现 33231ctree函数介绍 33232C45决策树的R语言实例 3324小结 35参考文献 36第3章k-means算法 3731算法简介 3732算法基本原理 3733算法的R语言实现 39331kmeans函数介绍 39332k-means聚类的R语言实例 3934小结 41参考文献 42第4章CART算法 4441算法简介 4442算法基本原理 44421CART算法的建树 44422CART算法的剪枝 45423算法过程实例 4643算法的R语言实现 48431rpart函数介绍 48432CART决策树的R语言实例 48433rpart函数的补充说明 5044小结 52参考文献 52第5章Apriori算法 5351算法简介 5352算法基本原理 53521挖掘频繁模式和关联规则 53522Apriori算法 55523AprioriTid算法 61524挖掘顺序模式 64525Apriori算法的一种改进算法 6553算法的R语言实现算法 66531apriori函数介绍 66532Apriori模型 6654小结 68参考文献 68第6章EM算法 7061算法简介 7062算法基本原理 71621基础理论 71622算法过程实例 7163算法的R语言实现 76631mclust函数介绍 76632EM标准模型的R语言实现 77633存在噪声的EM算法的R语言实现 79634EM算法应用于高斯混合模型（GMM） 81635EM算法应用于Iris数据集 8464小结 84参考文献 85第7章PageRank算法 8671算法简介 8672算法基本原理 8673算法的R语言实现 89731pagerank函数介绍 89732igraph包实现PageRank算法 89733自定义PageRank算法的R语言实现 90734补充实例 9174小结 95参考文献 96第8章AdaBoost算法 9781算法简介 9782算法基本原理 97821Boosting算法 97822AdaBoost算法 98823算法过程实例 10183算法的R语言实现 102831boosting函数介绍 102832R语言实例 10284小结 104参考文献 104第9章kNN算法 10591算法简介 10592算法基本原理 105921算法描述 105922算法流程 10793算法的R语言实现 108931knn函数介绍 108932利用class包中的knn函数建立模型 108933kNN算法应用于Iris数据集 109934kNN算法应用于Breast数据集 11194小结 113参考文献 114第10章NaiveBayes算法 115101算法简介 115102算法基本原理 1151021基础理论 1151022算法过程实例 118103算法的R语言实现 1201031naiveBayes函数介绍 1201032利用e1071包中的naiveBayes函数建立模型 1201033算法拓展——其他改进的NaiveBayes算法 121104小结 123参考文献 123第11章SVM算法 125111算法简介 125112算法基本原理 1251121基础理论 1251122软间隔优化 1271123核映射 1291124SVM算法的过程 1301125SVC算法过程实例 130113算法的R语言实现 1321131svm函数介绍 1321132标准分类模型 1331133多分类模型 1331134SVM回归 1341135SVM拓展包（kernlab包） 1351136SVM算法应用于Iris数据集（e1071包） 1351137SVM算法应用于Iris数据集（kernlab包） 136114小结 137参考文献 138第12章案例分析 139121关联规则案例分析 1391211问题描述 1391212R语言实现过程 1391213不同参数的Apriori模型 1411214小结 145122kNN算法案例分析 1451221问题描述 1451222R语言实现过程 1451223小结 148123NaiveBayes算法案例分析 1491231问题描述 1491232R语言实现过程 1491233小结 152124CART算法案例分析 1521241问题描述 1521242R语言
